基于改进傅里叶分解的齿轮箱振动信号处理.pdfVIP

总第249期机械管理开发Total249

2024年第1期MechanicalManagementandDevelopmentNo.1,2024

试验研究D0I:10.16525/14-1134/th.2024.01.003

基于改进傅里叶分解的齿轮箱振动信号处理★

张海霞

（河南工业贸易职业学院信息工程系，河南郑州450000)

摘要：为了提高齿轮箱运行精度，设计了基于改进傅里叶分解的故障诊断方法。把一个复杂非平稳信号以自适应

方式分解成包含多个瞬时频率的傅里叶本征模态函数（FIMF），再对各FIMF分量瞬时幅值与频率实施预估，获得

分量边际谱与初始信号时间频率的能量分布状态。对转子碰摩信号分析可以看到计算得到的第一个IMF包络谱

与最初的4个IMF频谱。对滚动轴承中存在内圈故障振动信号分析，FIMF分量形成的包络谱内含有更少的低频

信号。该研究可以拓宽到其他的传动领域，具有很好的应用价值。

关键词：振动信号；改进傅里叶分解；故障诊断；传动系统

中图分类号：TN911文献标识码：A文章编号：1003-773X(2024)01-0007-02

0

引言式如下[6];

当机械设备发生振动时，由于实际转速、摩擦作1-80F,(t)expf(t)dt.(1)

用与载荷条件都会发生改变，从而形成不稳定的信号2T8

特征。采用变分模态分解(VMD)方法进行处理的过程式中：x;(t)为FIMF分量;f(t)和F(t)为噪声和剩余信

需综合运用维纳滤波、变分技术与希尔伯特变换方法号的变化趋势，同时分解过程需满足正交性、完备性、

来实现。目前已有学者采用VMD方法开展故障诊局部性与自适应性要求。

断研究，并获得了较大的研究进展，但使用上述方法应对IFDM方法的以下三个方面进行分析。第

时应先设置合适的模态数与惩罚条件，在计算大量数一，相对于常规傅里叶与快速傅里叶转换方式获得的

据的过程中会耗费较长时间[2]。还有学者[3]根据傅里幅值与固定频率差异性，利用以上方法进行处理时会

叶转换原理设计了一种新的傅立叶分解(FDM)技术，使得信号幅度的发生明显变化，同时也无法保持恒定

可以实现由高频往低频或由低频往高频的特定搜索的频率状态，对计算展开过程造成了一定的干扰，因

过程，从而把一个具备非线性与非稳态特征的数据表此需对该方法进行一定的优化调整;第二，以传统方

示成多个本征模态函数。而采用FDM方法确定单分式进行傅里叶转化与FFT重构计算的过程属于一个

量信号不能完全符合瞬时频率，会引起相邻模态发生整体处理的过程，但上述分析只考虑频率恒定的条

交叉混叠的情况[4]。件,并未加人时间因素的影响。IFDM属于一个局部概

由于IFDM方法同时包含了FFT与自适应频谱念，包含了恒定的基函数，因此可以将所有函数都通

分割技术,利用逆傅里叶变换方法来实现自主重构基过傅里叶正交基空间进行展开，并且基函数也会发生

函数，从而把一个复杂非平稳信号以自适应方式分解变化，引起上述现象的原因在于IFDM可根据信号局

成包含多个瞬时频率的傅里叶本征模态函数部特性,完成基函数的自适应重构过程[7。

（FIMF)，再对各FIMF分量瞬时幅值与频率实施预可以将各FIMF瞬时幅值α(t)与频率f(t)都表

估，由此获得各FIMF分量边际谱与初始信号时间频示成时间的函数,由此获得三维时频能量分布(t,f(t),

率的能量分布状态[5]。设计了基于改进傅里叶分解的a(t),将其表示成H(f,t)[8]。以下为边际希尔伯特谱

齿轮箱故障诊断。把一个复杂非平稳信号以自适应方h(f)计算式: